| Base | |
|---|---|
| RHC | 1.16 [1.01, 1.32] |
| Not CHF | 1.71 [1.29, 2.25] |
| Age | 1.03 [1.03, 1.04] |
| Num.Obs. | 5733 |
| AIC | 6882.7 |
| BIC | 7089.0 |
| Log.Lik. | -3410.366 |
| RMSE | 0.45 |
多変量回帰・・・好きですか?
2025-06-12
古くから研究されつくされており、信頼感がある
多くの統計ソフトに入っており、行うのが簡単
解釈性が高く、分かりやすい
本当?
Many regression species
| Base | |
|---|---|
| RHC | 1.16 [1.01, 1.32] |
| Not CHF | 1.71 [1.29, 2.25] |
| Age | 1.03 [1.03, 1.04] |
| Num.Obs. | 5733 |
| AIC | 6882.7 |
| BIC | 7089.0 |
| Log.Lik. | -3410.366 |
| RMSE | 0.45 |
| Base | Interact | |
|---|---|---|
| RHC | 1.16 [1.01, 1.32] | 1.52 [1.02, 2.26] |
| Not CHF | 1.71 [1.29, 2.25] | 1.94 [1.40, 2.69] |
| Age | 1.03 [1.03, 1.04] | 1.03 [1.03, 1.04] |
| RHC:Not CHF | 0.74 [0.49, 1.12] | |
| Num.Obs. | 5733 | 5733 |
| AIC | 6882.7 | 6882.7 |
| BIC | 7089.0 | 7095.7 |
| Log.Lik. | -3410.366 | -3409.366 |
| RMSE | 0.45 | 0.45 |
| Base | Interact | Spline | |
|---|---|---|---|
| RHC | 1.16 [1.01, 1.32] | 1.52 [1.02, 2.26] | |
| Not CHF | 1.71 [1.29, 2.25] | 1.94 [1.40, 2.69] | |
| Age | 1.03 [1.03, 1.04] | 1.03 [1.03, 1.04] | 1.04 [1.03, 1.05] |
| RHC:Not CHF | 0.74 [0.49, 1.12] | ||
| swang1=RHC | 1.49 [1.00, 2.23] | ||
| cat_chf=Others | 1.94 [1.40, 2.70] | ||
| age' | 0.99 [0.96, 1.01] | ||
| age'' | 1.04 [0.89, 1.21] | ||
| swang1=RHC * cat_chf=Others | 0.75 [0.49, 1.14] | ||
| Num.Obs. | 5733 | 5733 | 5733 |
| R2 | 0.140 | ||
| AIC | 6882.7 | 6882.7 | 6884.1 |
| BIC | 7089.0 | 7095.7 | 7110.3 |
| Log.Lik. | -3410.366 | -3409.366 | |
| RMSE | 0.45 | 0.45 |
swang1 mean_estimate
1 No RHC 0.6381461
2 RHC 0.6655557
通常のアウトカム式のみで一発勝負 ここはDoubly robustは使っちゃいけない
SUTVAの原理
例えば、Matching→G computation あるいは、元々のInclusionを入れて除外したあとにIPW→アウトカム式を入れる そうすることでDoubly robust estimationとなる
基本は、ドメイン知識を入れる ただし、どのような関係性かをみるのにはAICとか、尤度比検定をしても良いかも
すべてのモデルは誤っている。しかし、そのうちのいくつかは役に立つ。
| Parameter | Odds Ratio | 95% CI | p |
|---|---|---|---|
| (Intercept) | 0.25 | 0.11, 0.56 | < .001 |
| rx [Lev] | 0.92 | 0.66, 1.28 | 0.612 |
| rx [Lev+5FU] | 0.59 | 0.42, 0.83 | 0.003 |
| age | 1.01 | 1.00, 1.02 | 0.140 |
| sex | 1.03 | 0.78, 1.36 | 0.841 |
| obstruct | 1.41 | 1.00, 2.01 | 0.053 |
| perfor | 1.00 | 0.44, 2.29 | 0.997 |
| adhere | 1.65 | 1.11, 2.47 | 0.014 |
| surg | 1.47 | 1.07, 2.00 | 0.016 |
| nodes | 1.23 | 1.17, 1.30 | < .001 |
9716.5円/Cap x 4 x 365 = 1400万円/年
医療経済的にどう考えればいい?
estimand -> 誰に?
どれくらい?